Hy4 Previewレビュー｜Tencent Hunyuan 770B MoE、1Mコンテキスト、API、ローカル要件、NSFW制限まで解説

Hy4 previewは、Tencent Hunyuan（混元）が公開した新しいオープンソース大規模言語モデルです。最大の特徴は、770B総パラメータのMoE構成、約49Bのアクティブパラメータ、そして1M tokensの長大なコンテキストです。長文ドキュメント、コーディングAgent、RAG、複数ステップの業務タスクを意識したモデルと見てよいでしょう。

結論から言うと、Hy4 previewはかなり野心的なモデルですが、誰にでもすぐ勧められる軽量ローカルLLMではありません。OpenRouter、Tencent Cloud TokenHub、Tencent系サービスから試すのが現実的で、本格的なローカル運用はサーバークラスの環境を持つチーム向けです。

また、NSFW用途に強いモデルでもありません。公式APIや公式サービスでは安全対策が強く、オープンウェイトだからといって無制限に使えるわけではありません。仕事、コード、長文処理、検索拡張、Agent用途なら注目度は高い一方、低VRAMでの自由なロールプレイ用途なら別モデルのほうが向いています。

まず結論

近いテーマでは、Qwen 3.8レビュー、Gemma 4レビュー、GLM-5.3-Flashレビュー、Dolphin 3レビューも参考になります。Hy4 previewは、軽量ローカル助手というより、巨大な長文・Agent向けオープンウェイトモデルとして見るべきです。

Hy4 previewとは

Hy4 previewは、Tencent Hunyuanのpreview段階の大規模言語モデルです。公式リポジトリでは、770B総パラメータ、約49B active、1M tokensのコンテキストが示されています。前世代のHy3 previewが295B総パラメータ、約21B active、256Kコンテキストだったことを考えると、規模と長文対応は大きく伸びています。

MoEはMixture-of-Expertsの略で、入力ごとに必要な専門ネットワークだけを動かす仕組みです。総パラメータは非常に大きくても、毎回すべてを動かすDenseモデルとは違います。ただし、770B級であることに変わりはなく、家庭用GPUで気軽に動かすモデルではありません。

preview版なので、今後も量子化、推論設定、vLLM/SGLang対応、ベンチマーク、技術レポート、コミュニティ検証が更新されていく可能性があります。現時点では、仕様の大きさと実運用での扱いやすさを分けて評価するのが大切です。

オンライン利用・API・ダウンロード先

公開重みは、Tencent-Hunyuan/Hy4-previewのGitHubとHugging Faceのtencent/Hy4-previewから確認できます。さらに、軽量化された精度を使いたい場合はtencent/Hy4-preview-FP8も選択肢になります。

オンライン/APIで試すなら、まずOpenRouterのTencent: Hy4 previewページがわかりやすいです。Tencent Cloud側ではTencent Cloud TokenHubも確認しておくとよいでしょう。一般ユーザー向けには、Tencent YuanbaoやTencent系プロダクトへの統合状況も今後の実用性に関わります。

企業や開発チームが評価するなら、いきなりローカル構築するよりAPIで自社タスクを試すほうが現実的です。コスト、レイテンシ、ツール呼び出し、長文保持、コード生成の安定性を先に見てから、ローカル運用の必要性を判断できます。

主な特徴

Hy4 previewの強みは、短い雑談よりも長い入力と複数ステップの作業にあります。1M tokensのコンテキストは、コードベース、大量の仕様書、論文、契約書、会議ログ、社内ナレッジ、RAGシステムに向いています。

もう一つの軸はAgent用途です。公開ページや報道では、コーディングAgent、複雑なツール利用、長時間の計画、文脈維持、業務自動化が強調されています。単発の質問に答えるモデルというより、作業の途中経過を保持しながら進めるモデルです。

ベンチマークと利用者評価

初期の評価は慎重に読むべきです。Tencentの盲検テストや公式ベンチマークは参考になりますが、長期の第三者運用評価とは別物です。一方で、モデルの方向性ははっきりしており、一般チャットよりもコード、Agent、ツール利用、長文処理で力を出すタイプです。

OpenRouter上では1Mコンテキスト、Tencent Cloud提供、API価格が確認できるため、開発者はローカル環境を作らずにテストできます。Qwen、Llama、Mistralほどコミュニティ検証が厚い段階ではないので、現時点の正直な評価は「仕様は非常に強いが、広範な実運用評価はこれから」です。

試す価値があるタスクは、長いコードリポジトリ分析、複数ドキュメント比較、構造化抽出、ツール呼び出し、長文コンテキストの記憶です。短文チャットだけで判断すると、このモデルの本来の価値を見落とします。

ローカル実行に必要なハードウェア

Hy4 preview最大の壁はローカル運用です。MoEで効率化されているとはいえ、総パラメータ770Bのモデルです。BF16版は基本的に複数GPUサーバー向けで、FP8版でも一般的なゲーミングPC向けとは言いにくいです。

個人利用なら、まずOpenRouterやTokenHubで試し、必要に応じてQwen、Gemma、GLM、Llamaなどの小さめモデルと比較するほうがよいです。Hy4 previewは面白いモデルですが、ハードウェア面では企業・研究室寄りです。

他のオープンモデルとの比較

Hy4 previewは、趣味のローカルLLMとして最初に選ぶモデルではありません。入力が非常に長く、ワークフローが複雑で、APIまたはサーバー推論を使う価値がある場面で真価が出ます。

NSFW対応と安全制限

Hy4 previewは、NSFWに強いモデルや無審査モデルとして見るべきではありません。Tencentの公式プロダクトやAPIでは、性的コンテンツ、暴力、センシティブな政治内容、違法行為、個人情報、高リスクな指示に対して安全制限がかかると考えるのが自然です。

オープンソースである以上、将来的にコミュニティによるabliterated版やuncensored版が出る可能性はあります。ただし770B級モデルは微調整コストが高く、NSFW向けの成熟した派生モデル生態系はまだありません。自由なロールプレイや成人向け文章生成が主目的なら、現時点ではDolphin系のほうが実用的です。

一方で、業務利用では強い安全制限がむしろ利点になる場合があります。社内ナレッジ、コード、文書解析、検索拡張で使うなら、コンプライアンスや誤用防止の観点から公式モデルの安全設計は評価できます。

今後の注目点

今後見るべきなのは、第三者ベンチマーク、長文検索テスト、ツール呼び出しの安定性、量子化版、vLLM/SGLangの運用ノウハウ、実際のレイテンシ、長時間Agent実行での破綻しにくさです。

ライセンス面も重要です。GitHubとHugging FaceではApache-2.0が確認できるため、モデル専用の制限付きライセンスより扱いやすい可能性があります。この方針が維持され、周辺ツールが増えれば、Hy4 previewは企業向けオープンウェイトLLMとして存在感を増すはずです。

よくある質問

Hy4 previewはオープンソースですか？

はい。公式GitHubとHugging Faceで公開されており、表示されているライセンスはApache-2.0です。

オンラインで試せますか？

OpenRouterが試しやすい入口です。Tencent Cloud利用者はTokenHubも確認するとよいでしょう。

家庭用ゲーミングPCで動きますか？

フルモデル運用は現実的ではありません。770B MoEなので、一般的な8〜24GB GPUではAPI利用か小型モデルのほうが向いています。

Qwen 3.8やGLM-5.3-Flashより優れていますか？

用途が違います。Hy4 previewはより大きな長文・Agent用途を狙うモデルで、QwenやGLMはローカルや軽めのAPI検証で扱いやすい場面があります。

NSFW生成に向いていますか？

公式版は向いていません。安全制限が強く、無審査モデルとして使うものではありません。

参考情報

• Tencent-Hunyuan/Hy4-preview GitHubリポジトリ
• Hugging Face tencent/Hy4-preview
• Hugging Face tencent/Hy4-preview-FP8
• OpenRouter Tencent: Hy4 preview
• AIbase Hy4 preview関連記事
• Tencent Cloud TokenHub

まとめ

Hy4 previewは、2026年後半のオープンソースLLMの中でもかなり野心的なモデルです。770B MoE、1Mコンテキスト、オープンウェイト、Agent用途という組み合わせは強力で、企業AI、コードAgent、長文文書処理、RAGシステムでは注目する価値があります。

ただし、軽いローカル助手やNSFW自由生成モデルとして見ると期待外れになります。まずはOpenRouterやTencent Cloudで自分のタスクを試し、Qwen 3.8、GLM-5.3-Flash、Gemma 4などと比較してから、本格導入を判断するのが一番現実的です。